1、培训过程中，如有部分内容理解不透或消化不好，可免费在以后培训班中重听；
       2、培训结束后,授课老师留给学员联系方式,保障培训效果,免费提供课后技术支持。
       3、培训合格学员可享受免费推荐就业机会。☆合格学员免费颁发相关工程师等资格证书，提升职业资质。专注高端技术培训15年，端海学员的能力得到大家的认同，受到用人单位的广泛赞誉，端海的证书受到广泛认可。

近几年深度学习技术在学术界和工业界都得到了广泛的应用和传播。深度学习的传播不仅是由于算法的进步，更是因为深度学习技术在各行各业都取得了非常好的应用效果。
      深度学习作为一门理论和实践相结合的学科，在新的算法理论不断涌现的同时，各种深度学习框架也不断出现在人们视野。比如Torch，MxNet，theano，Caffe等等。Google在2015年11月9日宣布开源自己的第二代机器学习系统Tensorflow。深度学习是未来新产品和新技术的一个关键部分。在这个领域的研究是全球性的，并且发展很快，却缺少一个标准化的工具。Google希望把Tensorflow做成深度学习行业的标准。
      Tensorflow支持python和c++语言，支持CNN、RNN和LSTM等算法，可以被用于语音识别或图像处理等多项深度学习领域。它可以在一个或多个CPU或GPU中运行。它可以运行在嵌入式系统(如手机，平板电脑)中，PC中以及分布式系统中。它是目前全世界最火爆的深度学习平台(没有之一)。

第一部份 Tensorflow简介，Anaconda安装，Tensorflow的CPU版本安装。
第二部份 Tensorflow的基础使用，包括对图(graphs),会话(session),张量(tensor),变量(Variable)的一些解释和操作。
第三部份 Tensorflow线性回归以及分类的简单使用。
第四部份 softmax，交叉熵(cross-entropy)，dropout以及Tensorflow中各种优化器的介绍。
第五部份 卷积神经网络CNN的讲解，以及用CNN解决MNIST分类问题。
第六部份 使用Tensorboard进行结构可视化，以及网络运算过程可视化。
第七部份 递归神经网络LSTM的讲解，以及LSTM网络的使用。
第八部份 保存和载入模型，使用Google的图像识别网络inception-v3进行图像识别。
第九部份 Tensorflow的GPU版本安装。设计自己的网络模型，并训练自己的网络模型进行图像识别。
第十部份 使用Tensorflow进行验证码识别。
第十一部份 Tensorflow在NLP中的使用(一)。
第十二部份 Tensorflow在NLP中的使用(二)。